CONCLUSION GENERALE
L’apparition d’une résistance aux thérapies anticancéreuses ou la survenue d’effets indésirables grave est un obstacle majeur dans le traitement des pathologies néoplasiques. De ce fait, il est donc extrêmement important de développer de nouvelles méthodes diagnostiques pour permettre l’identification de patients non répondeurs aux traitements conventionnels ou à risque de développer des effets indésirables et dans ce cas proposer l’alternative thérapeutique la plus efficace. Les recherches menées dans le domaine de la pharmacogénomique des anticancéreux présentent non seulement un intérêt purement médical, mais aussi économique. En effet, l’identification des patients non répondeurs ou à risque de développer des effets indésirables à un traitement anti-cancéreux devrait permettre de mieux maîtriser les coûts en terme de Santé Publique, en évitant la prescription de traitements longs, coûteux, voire inutile ou dangereux pour un certain nombre de patients. Les variations de réponse aux médicaments d’origine génétique sont désormais reconnues comme un problème médical et de santé publique majeur notamment aux Etats Unis à travers l’adoption du « Genomics and Personalized Medicine Act » par le congrès américain et des mesures prises par la FDA, afin d’intégrer la pharmacogénomique dans le développement d’un médicament ou en pratique clinique.
A ce jour, la simple approche « gène candidat » consistant à identifier, au niveau d’un gène donné, des polymorphismes génétiques influençant significativement la réponse au traitement, n’a aboutit qu’a un nombre très restreint d’applications
multigénique, les approches de type « genomewide » à travers l’identification de signature génique apparaissent particulièrement pertinente. Cependant, il existe encore de nombreuses limitations à ce type d’approche en clinique comme des résultats non transposables d’une plateforme à l’autre ou la possibilité d’identifier plusieurs signatures associées à un même phénotype. De ce fait, il est particulièrement important de tester la robustesse des signatures géniques en validant les résultats sur de larges cohortes indépendantes.
Enfin, il est fort probable que dans les années à venir, la recherche s’orientera vers l’utilisation de nouvelles signatures basées par exemple sur l’expression des microRNAs ou sur des anomalies de structure des gènes (variations du nombre de copies etc…). En théorie, il est en effet possible d’incorporer ces différentes informations en un modèle combiné qui aurait une meilleure valeur prédictive. Dans cette optique, les nouvelles technologies de séquençage à haut débit apparaissent particulièrement séduisantes car elles offrent de nombreux avantages comme la détection quantitative des ARNm, des transcrits rares, des microARNs et des transcrits alternatifs ainsi que des informations sur la séquence nucléotidiques des transcrits.
En conclusion, la génomique fonctionnelle a incontestablement amélioré notre compréhension de la biologie du cancer. D’un point de vue clinique, l’utilisation de signatures géniques pour prédire la réponse au traitement parait particulièrement intéressante. Cependant, même si certains profils géniques sont déjà approuvés par la FDA, l’utilisation de ces données comme outil clinique nécessite auparavant une validation prospective sur de large population. Ce type d’étude constitue une étape essentielle vers une prise en charge personnalisée des traitements anticancéreux.
BIBLIOGRAPHIE
Reference List
Banerjee,D., Mayer-Kuckuk,P., Capiaux,G., Budak-Alpdogan,T., Gorlick,R., and Bertino,J.R. (2002b). Novel aspects of resistance to drugs targeted to dihydrofolate reductase and
thymidylate synthase. Biochim. Biophys. Acta 1587, 164-173.
Banerjee,D., Mayer-Kuckuk,P., Capiaux,G., Budak-Alpdogan,T., Gorlick,R., and Bertino,J.R. (2002a). Novel aspects of resistance to drugs targeted to dihydrofolate reductase and
thymidylate synthase. Biochim. Biophys. Acta 1587, 164-173.
Berns,K., Horlings,H.M., Hennessy,B.T., Madiredjo,M., Hijmans,E.M., Beelen,K., Linn,S.C., Gonzalez-Angulo,A.M., Stemke-Hale,K., Hauptmann,M., Beijersbergen,R.L., Mills,G.B., van,d., V, and Bernards,R. (2007a). A functional genetic approach identifies the PI3K pathway as a major determinant of trastuzumab resistance in breast cancer. Cancer Cell 12, 395-402.
Berns,K., Horlings,H.M., Hennessy,B.T., Madiredjo,M., Hijmans,E.M., Beelen,K., Linn,S.C., Gonzalez-Angulo,A.M., Stemke-Hale,K., Hauptmann,M., Beijersbergen,R.L., Mills,G.B., van,d., V, and Bernards,R. (2007b). A functional genetic approach identifies the PI3K pathway as a major determinant of trastuzumab resistance in breast cancer. Cancer Cell 12, 395-402.
Bild,A.H., Potti,A., and Nevins,J.R. (2006). Linking oncogenic pathways with therapeutic opportunities. Nat. Rev. Cancer 6, 735-741.
Cavarra,E., Carraro,F., Fineschi,S., Naldini,A., Bartalesi,B., Pucci,A., and Lungarella,G. (2004). Early response to bleomycin is characterized by different cytokine and cytokine receptor profiles in lungs. Am. J. Physiol Lung Cell Mol. Physiol 287, L1186-L1192. Chabner,B.A., Allegra,C.J., Curt,G.A., Clendeninn,N.J., Baram,J., Koizumi,S., Drake,J.C., and Jolivet,J. (1985a). Polyglutamation of methotrexate. Is methotrexate a prodrug? J. Clin. Invest 76, 907-912.
Chabner,B.A., Allegra,C.J., Curt,G.A., Clendeninn,N.J., Baram,J., Koizumi,S., Drake,J.C., and Jolivet,J. (1985b). Polyglutamation of methotrexate. Is methotrexate a prodrug? J. Clin. Invest 76, 907-912.
Chen,J. and Stubbe,J. (2005). Bleomycins: towards better therapeutics. Nat. Rev. Cancer 5, 102-112.
Chen,Z.S., Lee,K., Walther,S., Raftogianis,R.B., Kuwano,M., Zeng,H., and Kruh,G.D. (2002). Analysis of methotrexate and folate transport by multidrug resistance protein 4 (ABCC4): MRP4 is a component of the methotrexate efflux system. Cancer Res. 62, 3144-3150. Chua,F., Gauldie,J., and Laurent,G.J. (2005). Pulmonary fibrosis: searching for model answers. Am. J. Respir. Cell Mol. Biol. 33, 9-13.
Hanahan,D. and Weinberg,R.A. (2000). The hallmarks of cancer. Cell 100, 57-70.
Harrison,J.H., Jr. and Lazo,J.S. (1987). High dose continuous infusion of bleomycin in mice: a new model for drug-induced pulmonary fibrosis. J. Pharmacol. Exp. Ther. 243, 1185-1194. Haston,C.K. and Travis,E.L. (1997). Murine susceptibility to radiation-induced pulmonary fibrosis is influenced by a genetic factor implicated in susceptibility to bleomycin-induced pulmonary fibrosis. Cancer Res. 57, 5286-5291.
Haston,C.K., Wang,M., Dejournett,R.E., Zhou,X., Ni,D., Gu,X., King,T.M., Weil,M.M., Newman,R.A., Amos,C.I., and Travis,E.L. (2002). Bleomycin hydrolase and a genetic locus within the MHC affect risk for pulmonary fibrosis in mice. Hum. Mol. Genet. 11, 1855-1863. Hecht,S.M. (2000). Bleomycin: new perspectives on the mechanism of action. J. Nat. Prod. 63, 158-168.
Hooijberg,J.H., Broxterman,H.J., Kool,M., Assaraf,Y.G., Peters,G.J., Noordhuis,P.,
Scheper,R.J., Borst,P., Pinedo,H.M., and Jansen,G. (1999). Antifolate resistance mediated by the multidrug resistance proteins MRP1 and MRP2. Cancer Res. 59, 2532-2535.
Kaaijk,P., Kaspers,G.J., Van Wering,E.R., Broekema,G.J., Loonen,A.H., Hahlen,K.,
Schmiegelow,K., Janka-Schaub,G.E., Henze,G., Creutzig,U., and Veerman,A.J. (2003). Cell proliferation is related to in vitro drug resistance in childhood acute leukaemia. Br. J. Cancer 88, 775-781.
Kaminski,N., Allard,J.D., Pittet,J.F., Zuo,F., Griffiths,M.J., Morris,D., Huang,X., Sheppard,D., and Heller,R.A. (2000). Global analysis of gene expression in pulmonary
fibrosis reveals distinct programs regulating lung inflammation and fibrosis. Proc. Natl. Acad. Sci. U. S. A 97, 1778-1783.
Katsuma,S., Nishi,K., Tanigawara,K., Ikawa,H., Shiojima,S., Takagaki,K., Kaminishi,Y., Suzuki,Y., Hirasawa,A., Ohgi,T., Yano,J., Murakami,Y., and Tsujimoto,G. (2001). Molecular monitoring of bleomycin-induced pulmonary fibrosis by cDNA microarray-based gene
expression profiling. Biochem. Biophys. Res. Commun. 288, 747-751.
McGuire,J.J., Hsieh,P., Coward,J.K., and Bertino,J.R. (1980). Enzymatic synthesis of folylpolyglutamates. Characterization of the reaction and its products. J. Biol. Chem. 255, 5776-5788.
Potti,A., Dressman,H.K., Bild,A., Riedel,R.F., Chan,G., Sayer,R., Cragun,J., Cottrill,H., Kelley,M.J., Petersen,R., Harpole,D., Marks,J., Berchuck,A., Ginsburg,G.S., Febbo,P., Lancaster,J., and Nevins,J.R. (2006). Genomic signatures to guide the use of
chemotherapeutics. Nat. Med. 12, 1294-1300.
Raisfeld,I.H. (1980). Pulmonary toxicity of bleomycin analogs. Toxicol. Appl. Pharmacol. 56, 326-336.
Ross,D.T., Scherf,U., Eisen,M.B., Perou,C.M., Rees,C., Spellman,P., Iyer,V., Jeffrey,S.S., van de,R.M., Waltham,M., Pergamenschikov,A., Lee,J.C., Lashkari,D., Shalon,D.,
Rots,M.G., Pieters,R., Kaspers,G.J., van Zantwijk,C.H., Noordhuis,P., Mauritz,R., Veerman,A.J., Jansen,G., and Peters,G.J. (1999). Differential methotrexate resistance in childhood T- versus common/preB-acute lymphoblastic leukemia can be measured by an in situ thymidylate synthase inhibition assay, but not by the MTT assay. Blood 93, 1067-1074. Scherf,U., Ross,D.T., Waltham,M., Smith,L.H., Lee,J.K., Tanabe,L., Kohn,K.W.,
Reinhold,W.C., Myers,T.G., Andrews,D.T., Scudiero,D.A., Eisen,M.B., Sausville,E.A., Pommier,Y., Botstein,D., Brown,P.O., and Weinstein,J.N. (2000). A gene expression database for the molecular pharmacology of cancer. Nat. Genet. 24, 236-244.
Uga,H., Kuramori,C., Ohta,A., Tsuboi,Y., Tanaka,H., Hatakeyama,M., Yamaguchi,Y., Takahashi,T., Kizaki,M., and Handa,H. (2006). A new mechanism of methotrexate action revealed by target screening with affinity beads. Mol. Pharmacol. 70, 1832-1839.
Umezawa,H. (1965). Bleomycin and other antitumor antibiotics of high molecular weight. Antimicrob. Agents Chemother. (Bethesda. ) 5, 1079-1085.
Van't Veer,L.J. and Bernards,R. (2008c). Enabling personalized cancer medicine through analysis of gene-expression patterns. Nature 452, 564-570.
Van't Veer,L.J. and Bernards,R. (2008d). Enabling personalized cancer medicine through analysis of gene-expression patterns. Nature 452, 564-570.
Van't Veer,L.J. and Bernards,R. (2008b). Enabling personalized cancer medicine through analysis of gene-expression patterns. Nature 452, 564-570.
Van't Veer,L.J. and Bernards,R. (2008a). Enabling personalized cancer medicine through analysis of gene-expression patterns. Nature 452, 564-570.
van,'., V, Dai,H., van,d., V, He,Y.D., Hart,A.A., Mao,M., Peterse,H.L., van der,K.K., Marton,M.J., Witteveen,A.T., Schreiber,G.J., Kerkhoven,R.M., Roberts,C., Linsley,P.S., Bernards,R., and Friend,S.H. (2002). Gene expression profiling predicts clinical outcome of breast cancer. Nature 415, 530-536.
Wei,G., Twomey,D., Lamb,J., Schlis,K., Agarwal,J., Stam,R.W., Opferman,J.T., Sallan,S.E., den Boer,M.L., Pieters,R., Golub,T.R., and Armstrong,S.A. (2006b). Gene expression-based chemical genomics identifies rapamycin as a modulator of MCL1 and glucocorticoid
resistance. Cancer Cell 10, 331-342.
Wei,G., Twomey,D., Lamb,J., Schlis,K., Agarwal,J., Stam,R.W., Opferman,J.T., Sallan,S.E., den Boer,M.L., Pieters,R., Golub,T.R., and Armstrong,S.A. (2006a). Gene expression-based chemical genomics identifies rapamycin as a modulator of MCL1 and glucocorticoid
resistance. Cancer Cell 10, 331-342.
Zeng,H., Chen,Z.S., Belinsky,M.G., Rea,P.A., and Kruh,G.D. (2001). Transport of
methotrexate (MTX) and folates by multidrug resistance protein (MRP) 3 and MRP1: effect of polyglutamylation on MTX transport. Cancer Res. 61, 7225-7232.
Zuo,F., Kaminski,N., Eugui,E., Allard,J., Yakhini,Z., Ben-Dor,A., Lollini,L., Morris,D., Kim,Y., DeLustro,B., Sheppard,D., Pardo,A., Selman,M., and Heller,R.A. (2002). Gene expression analysis reveals matrilysin as a key regulator of pulmonary fibrosis in mice and humans. Proc. Natl. Acad. Sci. U. S. A 99, 6292-6297.